CN112950943A - 基于多元数据的换乘站点推算方法 - Google Patents
基于多元数据的换乘站点推算方法 Download PDFInfo
- Publication number
- CN112950943A CN112950943A CN202110190209.9A CN202110190209A CN112950943A CN 112950943 A CN112950943 A CN 112950943A CN 202110190209 A CN202110190209 A CN 202110190209A CN 112950943 A CN112950943 A CN 112950943A
- Authority
- CN
- China
- Prior art keywords
- transfer
- station
- bus
- getting
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 234
- 238000004364 calculation method Methods 0.000 title claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 3
- 235000021152 breakfast Nutrition 0.000 description 3
- 108010074506 Transfer Factor Proteins 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于多元数据的换乘站点推算方法,具体涉及城市智能公交数据挖掘技术领域,包括步骤,S1:获取主要的换乘站点对,并遴选出可能存在多站换乘的站点对,S2:针对乘客换乘习惯及换乘心理因素,填写多站换乘的线路及站点列表,S3:根据得出的算法换乘距离,对相邻站点的下车人数进行换乘比例计算,S4:根据实测的换乘人数及换乘站点对的类型对以上算法基于各种公交高低峰时间段进行训练,输出相应训练模型,本发明可以较为准确的确定高低平峰的实际客流换乘信息,便于城市建设及交通管理等部门配套相应的换乘设施设备,公共交通运营及管理部门进行更精准的运力运量匹配,从而提高公交换乘效率、乘客满意度等重要公交都市指标。
Description
技术领域
本发明涉及城市智能公交数据挖掘技术领域,更具体地说,本发明涉及 基于多元数据的换乘站点推算方法。
背景技术
对于交通客流分析而言,获得公共交通乘客的上下车站点(客流OD分析) 非常重要。目前国内公交车一般只在上车时刷IC卡,下车时不刷卡,导致IC 卡客流数据中只有上车站点信息而没有下车站点信息。为此,业界通过对乘 客一段时间内交通出行规律结合公交GPS的信息进行下车站点的推算,具体技 术背景参见笔者论文—“基于IC卡历史数据的公交客流统计方法”《城市公 共交通》,Vol.227,No.5,2017:pp.21-24。
在具体的下车站点推算中,尤其公交车换乘轨道或公交其它线路时,通 常会遇到如下问题:通过乘客换乘的轨道/公交IC卡刷卡数据可以得知乘客进 入的轨道/公交站,但乘客下车的公交线路有两个或以上临近所换乘的轨道/ 公交线路的站点时,如何判断乘客确切的公交车下车站点呢?如果换乘站点 推算错误,一方面会导致不同车站换乘设施、通道的保障和设计不合理,另 一方面也会导致公交车内人数判断错误,从而导致运力配置不合理,进而导 致车内拥挤等情况。
传统的下车站点方法就是围绕所换乘的轨道/公交站选择某公交线路中 直线距离隔轨道车站最近的一个公交站点作为下车站点的推算:比如以所换 乘的目标站点为圆心画圆,匹配公交线路上所有站点与此圆心的距离,从而 找出直线距离最近的公交下车站点。但据实际的测试,发现在轨道站点旁有 两个或多个临近公交站点时,因存在实际换乘距离、公交车站的到达前后序 (在道路拥堵情况下,乘客会选择距离较远但位于前序的公交车站)、周边 配套完备性(早高峰路边是否有早餐点,晚高峰路边是否有卖菜点或餐馆,有无公厕等),换乘通道安全性(学生有无安全过街通道、有无摄像装置、 过街有无专人指挥等)、换乘通道便利性(有无遮阳的人行走廊,高程差有 无电扶梯、无障碍通行条件等)等约束,导致该方法误差较大。该方法误差 大,则会导致换乘站点的估计错误,从而在市政设施等的保障和应急情况处 置等方面存在较大的偏差,进而出现市民投诉等情况。
发明内容
为了解决以上问题,本发明的实施例提供基于多元数据的换乘站点推算 方法,能够实现灌溉的同时对土地进行旋耕,可以提高工作的效率。
为实现上述目的,本发明提供如下技术方案:基于多元数据的换乘站点 推算方法,包括以下步骤,
S1:获取主要的换乘站点对,并遴选出可能存在多站换乘的站点对,
S2:针对乘客换乘习惯及换乘心理因素,填写多站换乘的线路及站点列 表,
S3:根据得出的算法换乘距离,对相邻站点的下车人数进行换乘比例计 算,
S4:根据实测的换乘人数及换乘站点对的类型对以上算法基于各种公交 高低峰时间段进行训练,输出相应训练模型。
进一步,所述S1中的换乘站点对是通过传统的公交IC卡刷卡数据得到 的,统计公交IC卡刷卡的上车站点刷卡记录以及换乘后乘坐的公交或者轨道 的上车刷卡记录。
进一步,所述多站换乘的线路及站点列表用于统计换乘前下车的线路编 号、换乘前车站名1、车站编号1、车站换乘直线距离1、车站名2、车站编 号2、车站换乘直线距离2、车站名3、车站编号3、车站换乘直线距离3、换 乘后上车的线路编号、换乘后上车的站点编号和备注项。
进一步,所述换乘前下车的线路编号为乘客下车的公交线路编号;所述 换乘前车站名1为该下车公交线路中的可能存在换乘情况的第一个车站名; 所述车站编号1为该车站的编号;所述车站换乘直线距离1为该车站与上车 车站的直线距离,所述换乘后上车的线路编号为乘客上车的轨道或公交线路 编号,所述换乘后上车的站点编号为上车的轨道或公交站编号。
进一步,所述乘客换乘习惯为不同时间段乘客的换乘行为习惯。
进一步,所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间 的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性。
进一步,所述换乘通道安全性根据评分标准分为非常安全、安全、一般、 不安全、危险5个等级,依次评分为5分、4分、3分、2分和1分。
进一步,所述评分标准包括以下5个,
换乘通道部分路段因狭窄或拥堵导致人行速度不到正常1.2m/s的一半, 扣1到2分;
换乘通道存在人行过街通道,该通道易发安全事故、无红绿灯等情况, 扣1至3分;
换乘通道两旁存在易落石、高空坠物、施工作业面等不安全隐患,扣1 至3分;
换乘通道夜间没有路灯、地下通道无摄像装置、近期曾发生盗窃、抢劫 等事件,扣1至3分;
道路不平坦,小孩或老人近期曾发生因通道硬件原因跌倒或受伤等情况, 扣1至3份。
进一步,所述站点对包括公交换乘公交的站点对和公交换乘轨道的站点 对。
与现有技术相比,本发明的技术效果和优点:
本发明通过基于IC卡刷卡OD数据、公交车GPS数据、历史上同期同时 段的公交运营数据、人员实测的数据,考虑乘客换乘的诸多因素,对公共交 通两个换乘站点对进行换算,建立大数据的换乘模型,从而完成更精确的换 乘中下车站点的推算;通过视频分析等方法,验证换乘模型的正确性,并据 此调整换乘因素的权重值。
附图说明
图1为本发明换乘站点推算流程框架图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行 清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而 不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如附图1所示的基于多元数据的换乘站点推算方法,包括以下步骤。
S1:获取主要的换乘站点对,并遴选出可能存在多站换乘的站点对。
根据城市公交规模按照高峰期换乘人数排序取前100位,包括公交换乘 公交取前50位的车站对和公交换乘轨道取前50位的车站对;对这100位的 换乘站点对,选择其换乘最多的公交线路(如某条公交线路换公交站点和次 近公交站点的站点直线距离,如果最近的换乘站点在换乘站的50米范围内, 或最近与次近的站点距离换乘站点距离差在100米之上(其中最近与次近的 站点距离换乘站点距离差的参数值可以根据实际情况进行调整,如50米、100 米等),则认为不存在多站换乘情况;根据遴选出的多站换乘的站点对制作 出客流较大且可能存在“多站换乘的线路及站点列表”,该列表每一项诸如: 公交线路AAA上站点X和站点Y距离换乘站Z直线距离分别为A、B米。
S2:针对乘客换乘习惯及换乘心理因素,填写多站换乘的线路及站点列 表。
对于公交线路AAA上站点X到换乘站Z,测试其实际步行换乘距离为200 米,站点Y距离换乘站Z步行换乘距离为60米;早高峰客流方向是从公交车 站的站点X到站点Y,公交车两站间平均行驶时间为4分钟,按照正常人每分 钟平均步行80米(其中平均步行的参数是根据乘客中老年人、小孩占比、道 路情况以及天气原因进行调节的),折算为站点Y到换乘站Z的实际步行距 包括早高峰路边是否有早餐点,晚高峰路边是否有卖菜点或餐馆,有无公厕; 根据换乘路径中通道安全性给予1到5级的评分,评分标准包括学生有无安 全过街通道、有无摄像装置、过街有无专人指挥;根据换乘通道便利性给予 评分,评分标准包括有无遮阳的人行走廊,高程差有无电扶梯、无障碍通行 条件;综合以上几个方面的评分换算出一个总的换乘通道评价系数,用该系 数乘以之前得出的换乘距离(早晚高峰、平峰等时间段的以上因素分值可能 有所不同,如早高峰会考虑早餐店,晚高峰会考虑买菜点),从而得出之前 两个站点的算法换乘距离。
每分钟平均步行的参数是根据乘客中老年人、小孩占比、道路情况以及 天气原因进行调节的:
1.刷卡人数其中老人、小孩(IC卡中有敬老卡、学生卡的类型占比)占 比超过30%,则按老人小孩每分钟平均步行120米,同比增加,诸如此时平均 步行距离变为80*70%+120*30%;
2.道路情况则按照道路宽度、上下梯步长度等因素对平均步行距离乘以 一定系数。比如存在上型梯步为50米,则计算此段距离为100米;如果某些 路段只能有两人并排通过,则此路段换乘长度加倍;
3.此路段没有上盖遮阴遮阳设施,则在雨天等天气,该路段距离乘以一 定系数,如50%。
根据换乘通道便利性给予评分,评分标准包括有无遮阳的人行走廊,高 程差有无电扶梯、无障碍通行条件等,分为非常便利、便利、一般、不便利、 非常不便利5个等级,依次评分为5分、4分、3分、2分和1分。
本实施例中,评分标准包括以下5个,
换乘通道部分路段有较长距离(如超过50米)无遮阳的人行走廊,扣1 至2分;
换乘通道部分存在高程差超过20米且人工判断费力的上下梯步、无扶手 等,扣1至3分;
换乘通道部分没有设计无障碍通行设施或,扣1至2分。
S3:根据得出的算法换乘距离,对相邻站点的下车人数进行换乘比例计 算。
比如最简单的等比例下站人数统计,站点X到换乘站Z100米,站点Y到 换乘站Z150米,则对于到换乘站Z的100人中,来自站点X的人数为 100*(100/100+150)=25人。
S4:根据实测的换乘人数及换乘站点对的类型对以上算法基于各种公交 高低峰时间段进行训练,输出相应训练模型。
实际测试的换乘人数以及换乘站点对的类型分类标准为按换乘性质分和 按照乘客的选择倾向分,其中,按换乘性质分类包括公交换公交、公交换轨 道类型,按照乘客的选择倾向分类包括通勤便利型、通勤安全型、生活购物便 利型、旅游娱乐便利型。
根据实际测试的换乘人数以及换乘站点对的类型对换算算法基于各种公 交高低平峰时间段进行反馈训练,进而获得不同时间段各换乘站点对的人员 比例。
实际测试换乘人数的方法有多种:比如在主要换乘下车线路的公交车上 安装高清摄像头,在换乘上车的公交站台或轨道入口也安装高清摄像头,根 据人脸、人形、步态及衣物等方法综合识别并标注下车人员和换乘上车人员, 从而获得实际的不同公交站点换乘人数比例;另外还可以采用人工用眼睛识 别标准方法,采用下车发问卷并在换乘站收集问卷的方法,还可采用手机信 令、手机APP二维码扫码、wifi探针等硬件技术予以人员标注和识别。
算法反馈训练:
首先根据换乘通道评价系数中涉及的参数(换乘通道便利性、换乘通道 安全性、周边配套完备性)和换乘站类型(公交还是轨道)得出大致的换乘 站点对的类型;然后基于实际的人员换乘比例,考虑换乘站点对的类型对换 乘的影响,采用基于样本的回归算法对以上便利性、安全性、完备性等参数 及总换乘通道评价系数进行调整,直至算法计算的不同站点换乘人数比例与 实际测试值吻合。
本实施例是采用线性回归算法对以上便利性、安全性、完备性等参数及 总换乘通道评价系数进行调整。以之前3个类似天日同时段的实际换乘比例 为样本,定义线性方程组Xw=y,X是样本数据矩阵,y是期望值向量(即总换 乘通道评价系数)。向量w包括之前提到的各种参数:算法换乘距离(此参 数初始权重较高),各种换乘心理选择因素。
算法输入为:换乘站点对列表,换乘站点对之间的算法换乘距离,换乘 站点对的换乘心理选择因素;实际测试的不同时段人员换乘比例。
算法输出为:回归算法训练得出换乘站点对的换乘心理选择因素的参数 值,总换乘通道评价系数。
本发明基于IC卡刷卡OD数据、公交车GPS数据、历史上同期同时段的 公交运营数据(如到站平均时间)、人员实测的步行换乘距离/换乘通道安全 便利性/乘客特殊倾向性等数据,考虑乘客换乘的诸多因素(实际换乘距离+ 站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性、周边配 套完备性等),对公共交通两个换乘站点对进行换算(按换乘性质分为公交 换公交、公交换轨道类型;按照乘客的选择倾向分为通勤便利型、通勤安全 型、生活购物便利型、旅游娱乐便利型),建立大数据的换乘模型,从而完 成更精确的换乘中下车站点的推算;通过视频分析等方法,验证换乘模型的 正确性,并据此调整换乘因素的权重值,使得对换乘站点的推算更加准确, 从而确定高低平峰的实际客流换乘信息,便于城市建设及交通管理等部门配 套相应的换乘设施设备,公共交通运营及管理部门进行更精准的运力运量匹 配,从而提高公交换乘效率、乘客满意度等重要公交都市指标。
本实施例中,所述S1中的换乘站点对是通过传统的公交IC卡刷卡数据 得到的,因公交车的IC卡刷卡数据一般只有上车站点没有下车站点,所以需 要根据换乘后公交或轨道的上车位置,结合之前公交线路信息,推测其下车 站点。传统的简单做法就是找出换乘前公交线路上下行的所有站点中距离换 乘后站点地理位置的距离最近的那个站点。
S1:对每一个乘客的IC卡刷卡记录,按照以上传统算法,得出其公交线 路上行或下行方向中距离此换乘站点直线距离最近的一个公交站点,作为主 要的下车站点;
S2:以上述提及的两个站点(推测的下车站点和换乘后的上车站点)间 直线距离为基准,乘以一定的系数(如1.5倍或2倍),找出该公交线路中 其它距离此换乘站点较近的公交站点,放入换乘站点对中。
本实施例中,所述多站换乘的线路及站点列表用于统计换乘前下车的线 路编号、换乘前车站名1、车站编号1、车站换乘直线距离1、车站名2、车 站编号2、车站换乘直线距离2、车站名3、车站编号3、车站换乘直线距离3、 换乘后上车的线路编号、换乘后上车的站点编号和备注项。
本实施例中,所述换乘前下车的线路编号为乘客下车的公交线路编号; 所述换乘前车站名1为该下车公交线路中的可能存在换乘情况的第一个车站 名;所述车站编号1为该车站的编号;所述车站换乘直线距离1为该车站与 上车车站的直线距离,所述换乘后上车的线路编号为乘客上车的轨道或公交 线路编号,所述换乘后上车的站点编号为上车的轨道或公交站编号。
本实施例中,所述乘客换乘习惯为不同时间段乘客的换乘行为习惯。
本实施例中,所述换乘心理选择因素包括实际换乘距离、站间车辆行驶 时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性。
本实施例中,所述换乘通道安全性根据评分标准分为非常安全、安全、 一般、不安全、危险5个等级,依次评分为5分、4分、3分、2分和1分。
本实施例中,所述评分标准包括以下5个,
换乘通道部分路段因狭窄或拥堵导致人行速度不到正常1.2m/s的一半, 扣1到2分;
换乘通道存在人行过街通道,该通道易发安全事故、无红绿灯等情况, 扣1至3分;
换乘通道两旁存在易落石、高空坠物、施工作业面等不安全隐患,扣1 至3分;
换乘通道夜间没有路灯、地下通道无摄像装置、近期曾发生盗窃、抢劫 等事件,扣1至3分;
道路不平坦,小孩或老人近期曾发生因通道硬件原因跌倒或受伤等情况, 扣1至3份。
本实施例中,所述站点对包括公交换乘公交的站点对和公交换乘轨道的 站点对。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽 管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理 解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术 方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.基于多元数据的换乘站点推算方法,其特征在于,包括以下步骤,
S1:获取主要的换乘站点对,并遴选出可能存在多站换乘的站点对,
S2:针对乘客换乘习惯及换乘心理因素,填写多站换乘的线路及站点列表,
S3:根据得出的算法换乘距离,对相邻站点的下车人数进行换乘比例计算,
S4:根据实测的换乘人数及换乘站点对的类型对以上算法基于各种公交高低峰时间段进行训练,输出相应训练模型。
2.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述S1中的换乘站点对是通过传统的公交IC卡刷卡数据得到的,统计公交IC卡刷卡的上车站点刷卡记录以及换乘后乘坐的公交或者轨道的上车刷卡记录。
3.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述多站换乘的线路及站点列表用于统计换乘前下车的线路编号、换乘前车站名1、车站编号1、车站换乘直线距离1、车站名2、车站编号2、车站换乘直线距离2、车站名3、车站编号3、车站换乘直线距离3、换乘后上车的线路编号、换乘后上车的站点编号和备注项。
4.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述换乘前下车的线路编号为乘客下车的公交线路编号;所述换乘前车站名1为该下车公交线路中的可能存在换乘情况的第一个车站名;所述车站编号1为该车站的编号;所述车站换乘直线距离1为该车站与上车车站的直线距离,所述换乘后上车的线路编号为乘客上车的轨道或公交线路编号,所述换乘后上车的站点编号为上车的轨道或公交站编号。
5.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述乘客换乘习惯为不同时间段乘客的换乘行为习惯。
6.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性。
7.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述换乘通道安全性根据评分标准分为非常安全、安全、一般、不安全、危险5个等级,依次评分为5分、4分、3分、2分和1分。
8.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述评分标准包括以下5个:
换乘通道部分路段因狭窄或拥堵导致人行速度不到正常1.2m/s的一半,扣1到2分;
换乘通道存在人行过街通道,该通道易发安全事故、无红绿灯等情况,扣1至3分;
换乘通道两旁存在易落石、高空坠物、施工作业面等不安全隐患,扣1至3分;
换乘通道夜间没有路灯、地下通道无摄像装置、近期曾发生盗窃、抢劫等事件,扣1至3分;
道路不平坦,小孩或老人近期曾发生因通道硬件原因跌倒或受伤等情况,扣1至3份。
9.根据权利要求1所述的基于多元数据的换乘站点推算方法,其特征在于,所述站点对包括公交换乘公交的站点对和公交换乘轨道的站点对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190209.9A CN112950943A (zh) | 2021-02-18 | 2021-02-18 | 基于多元数据的换乘站点推算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110190209.9A CN112950943A (zh) | 2021-02-18 | 2021-02-18 | 基于多元数据的换乘站点推算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950943A true CN112950943A (zh) | 2021-06-11 |
Family
ID=76244447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110190209.9A Pending CN112950943A (zh) | 2021-02-18 | 2021-02-18 | 基于多元数据的换乘站点推算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950943A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724523A (zh) * | 2021-08-09 | 2021-11-30 | 东南大学 | 一种结合驻站控制的低频公交到站时刻表设置方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN104318113A (zh) * | 2014-10-29 | 2015-01-28 | 中国科学院深圳先进技术研究院 | 基于乘客换乘的时空特征推算乘客上车站点的方法及系统 |
CN104463364A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院深圳先进技术研究院 | 一种地铁乘客实时分布和地铁实时密度预测方法及系统 |
CN104766473A (zh) * | 2015-02-09 | 2015-07-08 | 北京工业大学 | 基于多模式公交数据匹配的公共交通出行特征提取方法 |
CN105335795A (zh) * | 2015-10-23 | 2016-02-17 | 东南大学 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
CN105788260A (zh) * | 2016-04-13 | 2016-07-20 | 西南交通大学 | 一种基于智能公交系统数据的公交乘客od推算方法 |
CN106779429A (zh) * | 2016-12-25 | 2017-05-31 | 北京工业大学 | 基于afc刷卡数据的轨道换乘站点客流拥塞风险评价方法 |
CN107578114A (zh) * | 2016-07-04 | 2018-01-12 | 高德软件有限公司 | 一种判定公交换乘对有效性的方法及装置 |
CN109308543A (zh) * | 2018-08-20 | 2019-02-05 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
CN109886536A (zh) * | 2019-01-09 | 2019-06-14 | 北京师范大学 | 基于乘客出行体验的综合交通枢纽无缝换乘便捷度的确定方法 |
CN110084442A (zh) * | 2019-05-16 | 2019-08-02 | 重庆大学 | 一种联合公交和轨道交通刷卡数据进行客流od计算的方法 |
CN111079875A (zh) * | 2019-12-17 | 2020-04-28 | 广州交通信息化建设投资营运有限公司 | 基于多源数据的公共交通客流监测方法、装置和存储介质 |
CN111191816A (zh) * | 2019-12-05 | 2020-05-22 | 东南大学 | 城市轨道交通乘客出行时间链辨识系统 |
CN112200455A (zh) * | 2020-10-10 | 2021-01-08 | 天津市市政工程设计研究院 | 综合客运枢纽换乘引导系统便捷性测评方法及系统 |
-
2021
- 2021-02-18 CN CN202110190209.9A patent/CN112950943A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN104318113A (zh) * | 2014-10-29 | 2015-01-28 | 中国科学院深圳先进技术研究院 | 基于乘客换乘的时空特征推算乘客上车站点的方法及系统 |
CN104463364A (zh) * | 2014-12-04 | 2015-03-25 | 中国科学院深圳先进技术研究院 | 一种地铁乘客实时分布和地铁实时密度预测方法及系统 |
CN104766473A (zh) * | 2015-02-09 | 2015-07-08 | 北京工业大学 | 基于多模式公交数据匹配的公共交通出行特征提取方法 |
CN105335795A (zh) * | 2015-10-23 | 2016-02-17 | 东南大学 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
CN105788260A (zh) * | 2016-04-13 | 2016-07-20 | 西南交通大学 | 一种基于智能公交系统数据的公交乘客od推算方法 |
CN107578114A (zh) * | 2016-07-04 | 2018-01-12 | 高德软件有限公司 | 一种判定公交换乘对有效性的方法及装置 |
CN106779429A (zh) * | 2016-12-25 | 2017-05-31 | 北京工业大学 | 基于afc刷卡数据的轨道换乘站点客流拥塞风险评价方法 |
CN109308543A (zh) * | 2018-08-20 | 2019-02-05 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
CN109886536A (zh) * | 2019-01-09 | 2019-06-14 | 北京师范大学 | 基于乘客出行体验的综合交通枢纽无缝换乘便捷度的确定方法 |
CN110084442A (zh) * | 2019-05-16 | 2019-08-02 | 重庆大学 | 一种联合公交和轨道交通刷卡数据进行客流od计算的方法 |
CN111191816A (zh) * | 2019-12-05 | 2020-05-22 | 东南大学 | 城市轨道交通乘客出行时间链辨识系统 |
CN111079875A (zh) * | 2019-12-17 | 2020-04-28 | 广州交通信息化建设投资营运有限公司 | 基于多源数据的公共交通客流监测方法、装置和存储介质 |
CN112200455A (zh) * | 2020-10-10 | 2021-01-08 | 天津市市政工程设计研究院 | 综合客运枢纽换乘引导系统便捷性测评方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724523A (zh) * | 2021-08-09 | 2021-11-30 | 东南大学 | 一种结合驻站控制的低频公交到站时刻表设置方法 |
CN113724523B (zh) * | 2021-08-09 | 2022-11-04 | 东南大学 | 一种结合驻站控制的低频公交到站时刻表设置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deng et al. | Bus Rapid Transit implementation in Beijing: An evaluation of performance and impacts | |
CN108961804B (zh) | 基于多指标分类交集的公交线路调整备选集合确定方法 | |
CN115186516B (zh) | 交通枢纽的行人仿真模型构建方法、电子设备及存储介质 | |
Wang | Autos, transit and bicycles: Comparing the costs in large Chinese cities | |
CN103745089A (zh) | 一种多维公共交通运行指数评价方法 | |
CN107358045A (zh) | 一种评价地铁与常规公交换乘效率的流程与方法 | |
Park et al. | Can good walkability expand the size of transit-oriented developments? | |
CN111027888B (zh) | 一种基于轨道站点的接驳特征分析方法 | |
CN112950943A (zh) | 基于多元数据的换乘站点推算方法 | |
Hasan et al. | Determining the most suitable pedestrian level of service method for Dhaka city, Bangladesh, through a synthesis of measurements | |
Krasić et al. | Park & ride facility planning | |
Shah et al. | Determination of pedestrian level of service for undivided stairways at suburban rail stations in developing countries | |
CN111754760B (zh) | 一种确定公交下车站点的方法、装置及上位机 | |
Al-Jameel et al. | Towards Public Transportation and Intelligent Transportation System: Najaf City As a Case Study | |
Iskandar et al. | The development of readiness indicators for transit-oriented areas | |
Gitelman et al. | Assessing safety implications of bus priority systems: A case-study of a new BRT system in the Haifa metropolitan area | |
Izadi et al. | Evaluation of the performance of bus special lines according to indicators of quality and transport and its performance improvement using ultra-innovative intelligent models (Case study: Rasht city) | |
Krasić et al. | Planiranje Park & Ride objekata | |
Deen et al. | Evaluating Rapid Transit | |
Makarova et al. | The Use of the Decision Support System to Control Bicycle Transportation. | |
Osaragi | Estimating spatio-temporal distribution of railroad users and its application to disaster prevention planning | |
CN111491261B (zh) | 一种基于智能刷卡数据的个体移动轨迹提取方法 | |
Al-Haji | The Impact of Traffic Calming Measures on Cyclists’ and E-Cyclists’ Safety | |
Gupta et al. | Rapid Assessment of Travel Patterns in Delhi-Horizon Year 2030 & 2050 | |
Hiremath et al. | Urban Junction Improvement by Implementation of Roundabout |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |